Staff Data Scientist (m/f/d)

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Staff Data Scientist в Adsquare (Location Intelligence для programmatic-рекламы). Ведёт data science целого домена: от бизнес-вопроса до продовой модели и измерения её эффекта, задаёт методологический стандарт команды.

Задачи

• Проектировать, валидировать и деплоить модели для измерения причинного эффекта кампаний, классификации аудиторий, прогноза посещаемости, эмбеддингов мест и аудиторий, рекомендаций
• Владеть методами оценки причинного эффекта: counterfactual и synthetic-control модели, Bayesian structural time series, difference-in-differences, uplift-модели
• Строить модели прогнозирования временных рядов (footfall, reach, размер аудитории) и честно их бэктестить
• Обучать векторные эмбеддинги мест, устройств и аудиторий и использовать их для similarity search, collaborative filtering и lookalike-моделирования
• Дообучать и оценивать LLM под внутренние задачи (классификация мест и аудиторий, извлечение структуры из текста, агентные data-процессы)
• Использовать coding-агенты (Claude Code, Cortex) для написания кода анализа, запуска сеток экспериментов и черновиков отчётов, проектировать guardrails для воспроизводимости
• Писать методологический плейбук команды: дизайн экспериментов, power analysis, протоколы валидации, чек-листы ревью; ревьюить работу других data scientist'ов и менторить коллег
• Формировать roadmap на 12–24 месяца, приносить state-of-the-art исследования в продукты и вести решения, охватывающие несколько проектов
• Писать технические статьи и внутренние отчёты, объяснять сложные алгоритмы Product, Sales и руководству в терминах решений, рисков и денег

Требования

• 7+ лет практического опыта в data science (или 4+ года после PhD), несколько моделей в проде с измеримым бизнес-эффектом
• Математическая глубина: теория вероятностей, инференциальная статистика, линейная алгебра, оптимизация, дизайн экспериментов
• Научная строгость: pre-registered эксперименты, power analysis, leakage-free валидация
• Опыт оценки причинного эффекта на наблюдательных и экспериментальных данных (synthetic control, BSTS, Geo-Lift, DiD, uplift)
• Продакшн-опыт с классификаторами, векторными эмбеддингами и similarity search, collaborative filtering / рекомендательными методами
• Обязательно: ежедневная работа с coding-агентами (Claude Code или Cortex) и умение проверять их вывод
• Опыт работы с TB-масштабными данными в SQL и Python (Athena/Trino, Spark, BigQuery или Snowflake)
• Python на профессиональном уровне (типизированный, тестируемый, с ревью), опыт деплоя и мониторинга моделей в облаке, желательно AWS
• Отличная научная письменная речь и умение объяснять сложный алгоритм бизнес-стейкхолдеру
• Бизнес-чутьё: связывать метрики модели с выручкой, затратами и исходами для клиентов
• Разделение ценностей компании и забота о приватности при работе с location-данными

Условия

• Гибридный формат и до 3 месяцев в год удалённой работы откуда угодно
• Личный бюджет на обучение 1 200 EUR в год
• 30 дней отпуска в год
• Urban Sports Club, корпоративная пенсионная схема, бюджет на релокацию / домашний офис
• Регулярные командные и корпоративные мероприятия
• Современное железо и все необходимые инструменты
• Годовой on-target доход 92 000 – 107 000 EUR (база + бонус)
• Старт — январь 2027

Навыки

• Python
• SQL
• AWS
• Athena
• S3
• Iceberg
• SageMaker
• Bedrock
• EKS
• Snowflake
• dbt
• Docker
• Terraform
• scikit-learn
• PyMC
• FastAPI
• Streamlit
• Keras
• Claude Code
• Cortex
• LLM APIs
• MCP
• Spark
• BigQuery
• PyTorch
• TensorFlow
• Stan
• NumPyro
• H3
• S2
• Bayesian statistics
• Causal inference
• Time series forecasting
• Vector embeddings
• Collaborative filtering